Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
- Autores
- Currá, Gabriel
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Nigro, Héctor Oscar
González Císaro, Sandra Elizabeth - Descripción
- Los primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumen
Fil: Currá, Gabriel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Nigro, Héctor Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: González Císaro, Sandra Elizabeth. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. - Materia
-
Bases de datos
Análisis de datos simbólicos
Ingeniería de sistemas
Ciencias exactas - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc/2.5/ar/
- Repositorio
.jpg)
- Institución
- Universidad Nacional del Centro de la Provincia de Buenos Aires
- OAI Identificador
- oai:ridaa.unicen.edu.ar:123456789/1002
Ver los metadatos del registro completo
| id |
RIDUNICEN_004f44d7e1357aab65928af21196b775 |
|---|---|
| oai_identifier_str |
oai:ridaa.unicen.edu.ar:123456789/1002 |
| network_acronym_str |
RIDUNICEN |
| repository_id_str |
a |
| network_name_str |
RIDAA (UNICEN) |
| spelling |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datosCurrá, GabrielBases de datosAnálisis de datos simbólicosIngeniería de sistemasCiencias exactasLos primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumenFil: Currá, Gabriel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Nigro, Héctor Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: González Císaro, Sandra Elizabeth. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasNigro, Héctor OscarGonzález Císaro, Sandra Elizabeth20162017-03-03T21:09:19Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttp://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1002https://www.ridaa.unicen.edu.ar/handle/123456789/1002spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-10-23T11:15:30Zoai:ridaa.unicen.edu.ar:123456789/1002instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-10-23 11:15:30.383RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse |
| dc.title.none.fl_str_mv |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| title |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| spellingShingle |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos Currá, Gabriel Bases de datos Análisis de datos simbólicos Ingeniería de sistemas Ciencias exactas |
| title_short |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| title_full |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| title_fullStr |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| title_full_unstemmed |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| title_sort |
Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos |
| dc.creator.none.fl_str_mv |
Currá, Gabriel |
| author |
Currá, Gabriel |
| author_facet |
Currá, Gabriel |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Nigro, Héctor Oscar González Císaro, Sandra Elizabeth |
| dc.subject.none.fl_str_mv |
Bases de datos Análisis de datos simbólicos Ingeniería de sistemas Ciencias exactas |
| topic |
Bases de datos Análisis de datos simbólicos Ingeniería de sistemas Ciencias exactas |
| dc.description.none.fl_txt_mv |
Los primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumen Fil: Currá, Gabriel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Nigro, Héctor Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: González Císaro, Sandra Elizabeth. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. |
| description |
Los primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumen |
| publishDate |
2016 |
| dc.date.none.fl_str_mv |
2016 2017-03-03T21:09:19Z |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
| format |
bachelorThesis |
| status_str |
acceptedVersion |
| dc.identifier.none.fl_str_mv |
http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1002 https://www.ridaa.unicen.edu.ar/handle/123456789/1002 |
| url |
http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1002 https://www.ridaa.unicen.edu.ar/handle/123456789/1002 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc/2.5/ar/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc/2.5/ar/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
| publisher.none.fl_str_mv |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
| dc.source.none.fl_str_mv |
reponame:RIDAA (UNICEN) instname:Universidad Nacional del Centro de la Provincia de Buenos Aires |
| reponame_str |
RIDAA (UNICEN) |
| collection |
RIDAA (UNICEN) |
| instname_str |
Universidad Nacional del Centro de la Provincia de Buenos Aires |
| repository.name.fl_str_mv |
RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires |
| repository.mail.fl_str_mv |
lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ; |
| _version_ |
1846785143795089408 |
| score |
12.982451 |